LIME对表格数据的解释

1.生成解释器

explainer = lime_tabular.LimeTabularExplainer(
    training_data,
    mode='classification',
    feature_names=None,
    categorical_features=None,
    verbose=False,
    class_names=None)

training_data：训练机器学习模型的自变量数据

mode：模式，可选'classification'（分类）和'regression'（回归）

feature_names：特征的名称列表

categorical_features：索引列表，即用作线性化近似的特征只会由该列表中选中的特征组成

verbose：决定是否在使用explain_instance的时候输出详细信息

class_names：字符串列表，决定后续权重表的标题

2.对局部点的解释

exp = explainer.explain_instance(
	data_row,
	predict_fn,
	top_labels=None,
	num_features=10)

data_row：一维ndarray，单个数据点（要解释的点）。创建解释器时使用的training_data中的一行数据。

predict_fn：待解释模型的预测函数，该函数不带参数，如果引入的自定义预测函数带参数，需要对自定义函数进行修改。如果参数一定要传入，可以修改LIME库的函数，即lime_tabular.py的explain_instance函数，加入要传的参数，在预测函数中加入该参数即可.

……

top_labels：若top_labels=k，则选取预测出的概率最高的k种情况来进行解释

num_features：若num_features=k，则选出k个最有效的特征来进行局部线性化

3.显示详细信息图

1) pytorch

exp.as_pyplot_figure()
plt.show()

查看LIME包explanation.py文件的as_pyplot_figure()函数，函数只绘制了图片，没有显示语句
如果使用终端运行，请查看plt.show()终端运行报错

2) jupyter notebook

exp.show_in_notebook(show_table=True, show_all=False)